網(wǎng)上有很多關(guān)于刷新支付pos機是不是正規(guī)的,AI 理財顧問靠譜嗎的知識，也有很多人為大家解答關(guān)于刷新支付pos機是不是正規(guī)的的問題，今天pos機之家(www.afbey.com)為大家整理了關(guān)于這方面的知識，讓我們一起來看下吧!
本文目錄一覽：
刷新支付pos機是不是正規(guī)的
2020 年 9 月 24 日，支付寶的AI理財“顧問”支小寶在首屆外灘大會正式亮相，這個號稱能炒股，能為用戶提供理財建議的智能助手一經(jīng)亮相就勾起了人們的好奇心，以及疑慮：專業(yè)的理財顧問尚且不能保證理財建議百分百精準，虛擬AI助手真的靠譜嗎？
時隔不到半年，支小寶登頂全球機器閱讀理解領(lǐng)域?qū)I(yè)榜單 SQuAD 2.0 的消息打消了這個疑慮。此次支小寶刷榜 SQuAD 2.0，與以往不同的意義在于，支小寶背后的技術(shù)可以在螞蟻的業(yè)務(wù)場景上賦能，通過金融知識圖譜、機器閱讀理解與規(guī)劃推理等能力，已經(jīng)可以做到大幅度提高生產(chǎn)效率，在一些業(yè)務(wù)場景中部分實現(xiàn)了代替人工。
支小寶登頂SQuAD 2.0，刷新紀錄
據(jù)支小寶算法負責(zé)人董揚和螞蟻資深技術(shù)專家陸鑫介紹，今年 2 月支小寶團隊登頂 SQuAD 2.0 排行榜所使用的模型為全卷積神經(jīng)網(wǎng)絡(luò) FPNet，在該模型訓(xùn)練下，支小寶以 EM 90.871，F(xiàn)1 93.183 的成績刷新了榜單紀錄，模型分數(shù)超過真人的表現(xiàn)。
SQuAD 2.0 (Stanford Question Answering Dataset 2.0) 是斯坦福大學(xué)發(fā)起的機器閱讀理解挑戰(zhàn)賽，是國內(nèi)外人工智能團隊檢驗機器閱讀理解能力最好的檢驗場，代表著機器閱讀理解能力的最高水平，向來是國內(nèi)外科技公司比拼技術(shù)含金量和專業(yè)性的戰(zhàn)場。支小寶能登頂榜單，證明這個AI虛擬助手在自動問答、閱讀理解上的能力經(jīng)過了檢驗。
據(jù)了解，此次支小寶登頂 SQuAD 2.0 使用的模型為全卷積神經(jīng)網(wǎng)絡(luò) FPNet，這是一個 BERT 模型，與現(xiàn)在支付寶業(yè)務(wù)中“服役”的支小寶模型結(jié)構(gòu)大致相同，只是有些許差別。董揚透露，支小寶之所以在比賽中能夠表現(xiàn)優(yōu)異，主要在于做到了以下幾點：
第一，支小寶在數(shù)據(jù)增強方面通過 seq2seq 生成的方式，生成 query、文章、答案的監(jiān)督語料；第二，模型上引入了 NER、POS 詞性標(biāo)注特征及其它特征，幫助模型更好識別答案，進行特征增強；第三點，使用了模型集成的方法，進一步提升模型的表現(xiàn)。
總的來說，這三點是支小寶能夠在性能上表現(xiàn)突出的關(guān)鍵點。
挖掘支小寶背后的技術(shù)
支小寶用起來體驗如何？我們不妨來上手測試一下。打開支付寶理財頁面，點擊左上角的螞蟻圖標(biāo)，就進入到了支小寶問答頁面。如今，支小寶已累計服務(wù) 2 億人次，每天約有 500 萬人使用支小寶。
在測試中，當(dāng)進入服務(wù)頁面后，支小寶會根據(jù)用戶行為推薦若干理財選項，用戶做出選擇之后，支小寶會進一步推薦具體的理財方案。如果不滿意，選擇其他方案還能獲得更多理財方案推薦。親測有效，支小寶給出的推薦方案還是比較符合筆者預(yù)期的，對于一個理財小白來說，支小寶推薦的理財方案還是非常有參考價值的。
上手測試之后，筆者更好奇的是，這個機器閱讀理解、推理能力已經(jīng)達到實際應(yīng)用水平的AI智能助手，背后的技術(shù)究竟是怎樣的？
通過與支小寶算法負責(zé)人董揚和螞蟻資深技術(shù)專家陸鑫溝通，筆者了解到原來支小寶團隊早在 2016 年就已經(jīng)開始進行機器閱讀理解研究，該項目在早期是由在中國和美國的兩支高配置團隊，以及在北京、上海、杭州的“五地”，在線上協(xié)同辦公，開啟了這個項目。到今天，支小寶已經(jīng)發(fā)展成一個有著數(shù)百人規(guī)模的技術(shù)、運營、產(chǎn)品團隊支撐的大業(yè)務(wù)，經(jīng)過多次迭代，目前的最新版本已經(jīng)穩(wěn)定服務(wù)支付寶兩年。
四層技術(shù)架構(gòu)
從架構(gòu)上來講，從外到內(nèi)，支小寶由四層架構(gòu)組成，最外層叫做“觸達層”，是指支小寶的場景觸達，在合適的時機、合適的場景、給用戶透出合適的策略，把用戶引入到對話場景中互動；進入對話后進入人機交互層，實現(xiàn)問答、對話意圖推理以及對話策略編排、對話結(jié)構(gòu)挖掘等主動引導(dǎo)式對話能力；第三層為“服務(wù)層”，支小寶已形成一個全理財生命周期體系，圍繞選品、持倉風(fēng)險、市場解讀和資產(chǎn)規(guī)劃配置四大服務(wù)領(lǐng)域，并且以這些服務(wù)為核心打造了對話推薦能力。
最下面則是兩個最基本的技術(shù)能力，一個是對用戶的深層畫像刻畫能力，包括對用戶投資偏好、投資能力的判斷；另一塊則是行情研判、資產(chǎn)分析、資產(chǎn)配置模型等投研和投顧專業(yè)能力。
獨特的核心知識庫問答系統(tǒng)
從本質(zhì)上說，支小寶是一個智能問答系統(tǒng)，其中核心問答匹配模型的好壞，很大程度上決定了問答的質(zhì)量和用戶滿意度。支小寶采用的問答匹配模型沒有采用 MatchPyramid、AICNN、或 BiMPM 等主流模型，而是采用了大規(guī)模 embedding 召回＋語義精排的模式，在召回方面用億級句對和獨創(chuàng)的 universal embedding 的學(xué)習(xí)方法學(xué)習(xí)通用表征，然后用 ESIM、BERT 等多模型集成實現(xiàn)模型，然而因為它沒有用到知識點本身答案的信息，為了進行更好的匹配，后來團隊又把答案的信息建模到模型中去，自創(chuàng)了現(xiàn)在支小寶所用的模型。這樣，模型可以捕捉到更多知識庫信息， 匹配的效果可以提升約 3%-5%。
金融知識圖譜加持
此外，支小寶能實現(xiàn)高質(zhì)量的問答，還與其結(jié)合使用了自建的金融知識圖譜有關(guān)。
董揚解釋道，基于知識圖譜的問答問題，就是業(yè)界定義的 KBQA:（基于開放域知識庫上的 QA 系統(tǒng)），它其實可以解決支小寶業(yè)務(wù)中的兩大類問題，一是基于條件選產(chǎn)品，一個是信息查詢類問題，比如單條件或多條件查詢：“重倉阿里巴巴的基金”、“本周新基”、“科技指數(shù)基金”; 聚合查詢：張坤基金哪個收益高；并列查詢： 醫(yī)藥或科技基金；結(jié)合外部記憶的組合查詢：我的持倉哪個收益好？我的持倉哪個收益高？。這兩類問題是線上用戶的高頻問題，通過知識圖譜的問答方式，用戶的線上體驗會有很大的提升 。
當(dāng)然，作為問答系統(tǒng)領(lǐng)域的專家，董揚也坦承知識圖譜并不是所有問題的“萬能鑰匙”，要做一個聰明的為億萬用戶解決問題的機器人，需要綜合技能發(fā)揮才能發(fā)揮最大的作用。目前，支小寶已經(jīng)具備了小樣本意圖識別、多輪記憶推理等深層意圖識別和推理能力，來更好的理解用戶意圖，從而給到用戶更優(yōu)質(zhì)的服務(wù)。
機器閱讀、規(guī)劃推理能力與強化學(xué)習(xí)
另一方面，評判一個問答系統(tǒng)水平高低與用戶體驗感好壞，其中最為關(guān)鍵的能力就是機器閱讀與規(guī)劃推理的能力，也就是當(dāng)你向機器人提問，它不但能夠理解你句子的表面意思，還可以洞察提問背后的意圖，并像人交談一樣對你的話進行推理，甚至進一步做好規(guī)劃。
在機器閱讀理解方面，支小寶在理財核心服務(wù)問答中對用戶意圖理解的準確率已經(jīng)到達 95%。之所以能實現(xiàn)如此高的推理準確率，是因為支小寶改變了之前淺層的語義匹配，進行了推理理解算法的改進，支小寶模型會捕捉到更多上下文信息以及其他異構(gòu)信息，基于異構(gòu)信息進行記憶提取，從繁雜的信息中提取與當(dāng)前 Query 最相關(guān)的信息，這是支小寶在記憶提取中的核心能力。提取之后進行推理，推理層次化的設(shè)計讓系統(tǒng)可以同時進行推理任務(wù)，從而使得模型的推理能力大幅提升。
此外，支小寶還在對話推薦與對話策略編排中引入強化學(xué)習(xí)，在選品環(huán)節(jié)進行對話式推薦，問詢用戶感興趣的因子，最后為用戶推出適合他的產(chǎn)品卡，這個過程中就用到了強化學(xué)習(xí)模型來在千人千面的用戶興趣空間、大量的產(chǎn)品和因子空間等高緯空間決策應(yīng)該詢問哪些因子、問幾輪，以及何時推出產(chǎn)品卡來保證最終推薦的產(chǎn)品卡用戶能感興趣。類似地，在服務(wù)內(nèi)對不同對話策略進行編排，進行不同服務(wù)領(lǐng)域串連，從而提高用戶體驗。
支小寶未來主攻方向
當(dāng)然，在初期，問答系統(tǒng)不可避免地在深度服務(wù)上體驗感還還達不到完美的水平，董揚認為這是因為機器人目前確實在多輪對話能力上還有不足，把“你問我答”變成主動引導(dǎo)對話，引導(dǎo)用戶完成整個服務(wù)，是支小寶團隊今年的主攻方向之一。
董揚透露，在問答方面，支小寶團隊一直致力于提升支小寶的“智商”，即當(dāng)用戶提問時，支小寶可以正確理解用戶的意圖，并且給出合適的答案。此外，支小寶下一階段還要做到洞察用戶的情緒，進行用戶情緒和情感識別，在用戶需要的時候給予適當(dāng)?shù)年P(guān)懷和安撫。
第二方面是提高主動對話能力和推薦能力，這是因為專家策略對于用戶千人千面的理解還不夠，所以支小寶已經(jīng)開始著手在“觸達”層規(guī)劃上線基于算法對用戶理解所做的推薦，以增強算法推薦的個性化和可解釋性。
另外，因為支小寶不是一個傳統(tǒng)的推薦模型，而是一個理財顧問，背后是智庫專家權(quán)威觀點作為支撐，它的任務(wù)是對用戶進行投顧引導(dǎo)，不僅僅只考慮用戶的喜好，而是從專業(yè)角度進行最合理的推薦，因此支小寶有著自己的投顧引導(dǎo)邏輯，這是支小寶與其他推薦產(chǎn)品不一樣的地方。
值得關(guān)注的是，多模態(tài)交互能力也是支小寶接下來的重點優(yōu)化方向，支小寶團隊透露今年將計劃開放語音和視頻形式的交互，全方面提升多模態(tài)交互能力。彼時支小寶應(yīng)該更加好玩，易操作，感興趣的朋友可以關(guān)注起來了。
在應(yīng)用方面，支小寶目前只是支付寶內(nèi)部理財場景中使用，但從今年開始會陸續(xù)對一些合作的基金公司和券商機構(gòu)開放，作為機構(gòu)助理解答理財問題投入使用，并且有進一步擴張到保險場景中的計劃。
問答系統(tǒng)的未來在哪里？
以支小寶為例，如今問答系統(tǒng)在技術(shù)與應(yīng)用上可以說已經(jīng)相對比較成熟，但不可否認的是，在使用過程中用戶體驗也的確存在一些影響體驗的問題。
未來，問答系統(tǒng)有哪些發(fā)展趨勢？在預(yù)想中，問答系統(tǒng)應(yīng)該是一個怎樣的存在？對此，董揚給出了自己的看法。
她說到，支小寶目前在廣義問答上正在進行更大規(guī)模的、跨文檔、低資源機器閱讀與知識挖掘，因為問答背后依賴于知識庫的建設(shè)，所以支小寶要進行更大規(guī)模的知識挖掘，以更大程度上挖掘大更實時、更廣泛的金融領(lǐng)域知識，這是未來問答系統(tǒng)的發(fā)展方向之一。
另外在分析方面，對用戶 Querry 的理解，要面向多輪對話場景，進行更加復(fù)雜的 Query 理解與推理。
除了語義推理外，數(shù)值推理、常識推理、結(jié)合上下文環(huán)境增強語義表征等深層的推理和語義理解，也是問答系統(tǒng)未來的發(fā)展方向。
通過本文對支小寶核心技術(shù)的解析，相信我們對這個虛擬AI理財“顧問”有了更加深入的理解，在自有金融知識圖譜、高水平機器閱讀理解與推理規(guī)劃、強化學(xué)習(xí)等前沿技術(shù)的加持下，支小寶的技術(shù)實力可見一斑。
在支小寶團隊的理解中，支小寶的初衷就是要用機器人服務(wù)普惠大眾，讓普通人也可以享受相對專業(yè)的財富管理服務(wù)。未來，支小寶的愿景是可以服務(wù)支付寶平臺上的 6-7 億用戶，這個目標(biāo)不算小，支小寶將如何實現(xiàn)這個終極目標(biāo)，我們拭目以待！
以上就是關(guān)于刷新支付pos機是不是正規(guī)的,AI 理財顧問靠譜嗎的知識，后面我們會繼續(xù)為大家整理關(guān)于刷新支付pos機是不是正規(guī)的的知識，希望能夠幫助到大家！
